5G en de M van Machine learning

Machine Learning is een vorm van kunstmatige intelligentie. Hiervoor worden computers geprogrammeerd met zelflerende mogelijkheden. Dagelijkse voorbeelden kom je tegen bij spraakherkenning, je persoonlijke kijktips op Netflix of chatbots van je verzekering die je op maat te woord staan. Maar Machine Learning draagt ook bij aan de snelheid van de 5G-netwerken. De eigen ervaringen van de computer zijn de basis voor steeds betere prestaties. En zonder de noodzaak van menselijke denkkracht.

Geen mens meer aan de knoppen?

Maak je geen zorgen. De mens zorgt nog steeds voor de voorwaarden, zoals de vindbaarheid van data en het ontwerp en de algoritmes van het systeem. Maar vervolgens gaat de computer zelfstandig aan de slag. Hij analyseert data, selecteert de nodige informatie, doet voorspellingen en beslist of die juist zijn of niet. Dan het geheim van ‘ML’: hij léért daarvan. Met de bedoeling dat zijn volgende berekeningen of voorspelling weer wat beter en nauwkeuriger zijn. ML levert resultaten veel preciezer dan dat mensen dat kunnen. Daarvoor zijn de meeste taken ook veel te complex.

Hoe werkt het?

De basis van Machine Learning is wat we een ‘algoritme’ noemen. Een algoritme is een reeks van leerinstructies en stappen waarmee een computer berekeningen maakt en voorspellingen doet. Het algoritme vindt daarin telkens de best mogelijke oplossing. ‘Best’ wil hier zeggen: foutloos en efficiënt. De oplossing moet in zo min mogelijk stappen – en zo min mogelijk rekenkracht – gevonden worden. Machine Learning is ook de manier om grote hoeveelheden data te doorzoeken naar patronen en een code te genereren waarmee je die patronen kunt herkennen in nieuwe input. Hoe meer gegevens, hoe nauwkeuriger de leerresultaten.

Hoe wordt Machine Learning ingezet voor 5G?

5G-netwerken gebruiken complexe antenneconfiguraties om data van en naar jouw mobieltje te verzenden. Denk aan databundeling via Massive MIMO-antennes. Dan is het wel zo handig dat die configuraties voorspellend zijn en proactief, zonder dat programmeurs om de haverklap met nieuwe algoritmen aan de slag moeten. Dat kan niet zonder het zelflerend vermogen van computers. Met Machine Learning in 5G-technologie nemen basisstations zelf beslissingen en vormen ze dynamisch aanpasbare clusters. Ze veranderen dus, als de situatie daarom vraagt. Dit vergroot de efficiëntie, zorgt voor meer snelheid en minimale vertraging en biedt hoge betrouwbaarheid.

Een voorbeeld uit de praktijk

De technologie in de zendmasten voor 5G leert de vraag naar dataverkeer herkennen en past zich daarop aan. Bijvoorbeeld of er pieken of dalen zijn te verwachten gedurende de dag. Dit bepaalt in hoeverre onderliggende processen op voorhand beschikbaar moeten zijn. Het systeem schaalt op of krimpt in, naarmate het verwachte gebruik. In de ‘daluren’ wordt minder energie gebruikt. Daarnaast leggen rekenmodellen (de algoritmes dus) in een raster van antennedekking vast waar de vraag vandaan komt. Dit versnelt het schakelen om het signaal op de juiste plek te krijgen.

Wat merk jij ervan?

Door Machine Learning te gebruiken werk jij straks sneller, efficiënter en met kortere reactietijden dan bij het huidige 4G. En het mooie is: zodra de computer met Machine Learning-algoritmen is getraind om een taak of een reeks taken uit te voeren, verlopen de analyses automatischer, sneller en veel goedkoper. Daarom zullen bijvoorbeeld services in de cloud net zo gewoon worden als bij lokaal gebruik. Overal de allerbeste 5G-verbinding op de meest efficiënte manier: daarvoor zorgt Machine learning.